पेंडोरा एक ऐसा मॉडल है जो एक सामान्य विश्व मॉडल की ओर अग्रसर है, यह विश्व की स्थिति का अनुकरण करने के लिए वीडियो उत्पन्न करने में सक्षम है, और किसी भी समय वीडियो सामग्री को नियंत्रित करने के लिए प्राकृतिक भाषा का उपयोग करने की अनुमति देता है। पेंडोरा पिछले टेक्स्ट-टू-वीडियो मॉडल से अलग है, यह वीडियो निर्माण प्रक्रिया के दौरान किसी भी समय मुक्त पाठ क्रिया इनपुट को स्वीकार करने की अनुमति देता है, जिससे वीडियो का तत्काल नियंत्रण संभव हो पाता है। यह तत्काल नियंत्रण क्षमता विश्व मॉडल द्वारा इंटरैक्टिव सामग्री निर्माण और मजबूत तर्क और योजना के समर्थन के वादे को पूरा करती है। पेंडोरा कई क्षेत्रों में वीडियो उत्पन्न कर सकता है, जैसे कि इनडोर/आउटडोर, प्राकृतिक/शहरी, मानव/रोबोट, 2डी/3डी आदि दृश्य। इसके अलावा, पेंडोरा उच्च-गुणवत्ता वाले डेटा के माध्यम से निर्देश समायोजन की अनुमति देता है, जिससे मॉडल एक क्षेत्र में क्रिया सीख सकता है और दूसरे अनदेखे क्षेत्र में इसका उपयोग कर सकता है। पेंडोरा मॉडल लंबे वीडियो उत्पन्न करने के लिए स्व-पुनरावर्ती मॉडल का भी उपयोग करता है, जिसकी उत्पन्न वीडियो लंबाई प्रशिक्षण वीडियो की लंबाई से अधिक हो सकती है। हालांकि पेंडोरा एक सामान्य विश्व मॉडल के रूप में प्रारंभिक चरण में अभी भी सीमित है, उदाहरण के लिए, सुसंगत वीडियो उत्पन्न करने, जटिल परिदृश्यों का अनुकरण करने, सामान्य ज्ञान और भौतिक नियमों को समझने और निर्देशों/क्रियाओं का पालन करने में विफल हो सकता है, लेकिन यह वीडियो निर्माण और प्राकृतिक भाषा नियंत्रण में बहुत अधिक क्षमता दिखाता है।